人工智能正在重塑医疗保健

人工智能重塑医疗保健

强大的基于人工智能的工具已经开始加速疾病诊断，并挖掘数据以寻找新型药物。

为了开发新的治疗方法，科学家们正在使用人工智能来解析复杂的生物系统。

用于治疗疾病的AI

2024年10月，德米斯·哈萨比斯因在预测蛋白质结构方面的工作获得诺贝尔化学奖，这一消息将近期人工智能在药物发现中的崛起置于聚光灯下。

强大的新AI模型可以梳理数据集，识别有前景的分子并预测其与生物靶点的相互作用。其他模型可以预测实验性药物的安全性和有效性。这些模型共同展示了在加速药物开发过程中的巨大潜力。

将AI应用于药物发现的努力必须克服一个特定的挑战：训练模型所需的数据稀缺。通常只有有限的数据关于潜在药物及其对疾病的影响。“许多药物靶点是新颖的，几乎没有或根本没有已知的化学物质可以调节它们。”Genesis Therapeutics 的创始人兼首席执行官埃文·费因伯格说。

为了应对数据稀缺的问题，科学家们不得不深入挖掘他们的编程工具箱。一个用于药物发现的机器学习模型可能从已知的疾病相关受体的分子结构数据开始，然后生成理论分子，直到找到一些能够与该受体结合的分子。然而，要开发这种基于AI的方法来搜索新药物，公司必须构建自定义算法和模型。例如，Genesis 结合了专有的基于AI的模型和实验室分子研究来进行药物发现。

哈萨比斯是谷歌DeepMind和Isomorphic Labs的首席执行官，这两家公司都隶属于谷歌母公司Alphabet。他在开发AlphaFold方面发挥了重要作用，AlphaFold是最高调的AI平台之一。最新版本AlphaFold 3可以预测蛋白质的三维结构及其在疾病进程中与其他生物分子（如受体和酶）的相互作用。Isomorphic的科学家正与礼来和诺华的团队合作，将AlphaFold 3与其他定制的基于AI的工具结合起来，以发现抗体和其他抑制疾病相关靶点的新疗法。

据报道，第一种由AI设计的药物，用于治疗一种罕见的肺病，于2023年6月开始了二期临床试验。生物技术公司Insilico Medicine使用其PHARMA.AI软件套件开发了这种药物。这种基于AI的方法根据多种特征分析疾病靶点，包括潜在药物对其安全有效抑制的可能性。“这种全面评估对于识别可行的治疗靶点至关重要。”该公司战略主管托马斯·莱希纳说。

Genesis Therapeutics 的药物发现AI软件——GEMS平台（Genesis Exploration of Molecular Space），使用大型语言模型创建数十亿个类药物分子。然后，它使用机器学习算法预测蛋白质对特定疾病靶点的效力和选择性。2024年，制药公司吉利德科学开始与Genesis合作使用GEMS。

尽管大多数学术科学家无法访问这些新工具，但越来越多的公司提供了基于云的服务。例如，开发细胞编程方法以生产药物和其他产品的Ginkgo Bioworks现在通过Google Cloud提供其AI模型。

正如Ginkgo-Google的合作所表明的那样，AI模型只是药物发现过程中的一个工具。“我们将通过将最聪明的科学家与最强大的AI平台配对来找到最佳的新药物。”费因伯格说。“我认为这种协同作用将持续一段时间。”

捕捉癌症

当试图确定患者是否患有癌症时，病理学家仍然做着自20世纪初以来一直在做的事情：通过显微镜观察活检或手术样本的组织切片，试图识别癌细胞的存在。“这个过程在过去100年里没有太大变化。”PathAI的病理学家兼首席执行官安迪·贝克说。

病理学是一个似乎可以从最近的人工智能进步中受益的领域。贝克的公司是几家正在开发AI模型以使诊断过程更高效和准确的公司之一。

PathAI在其AI模型上训练了超过五百万张数字化病理切片图像，其中包含1500万个注释。此外，还补充了基因组和分子生物标志物的数据，这些数据通常是病理学家不会考虑的，目的是生成有关特定患者对不同治疗方案反应的见解。这些模型还被训练来识别肿瘤的微环境，包括血管和肿瘤周围非癌细胞的变化，因为这些变化可以提供更多关于肿瘤侵袭性和对不同治疗的脆弱性的见解。

新的AI工具并不是为了取代病理学家，而是通过突出样本中的关键元素、计数细胞类型和量化各种异常特征来指导医生更快、更准确和详细地做出诊断。贝克说，在某些情况下，这些结果可以澄清棘手的诊断。即使是专家，早期明确诊断某些疾病也可能很困难。新的AI工具正在帮助医生更快地得出更清晰、更详细的癌症、炎症性疾病和其他疾病的诊断。“病理学家之间可能会对同一张切片显示的内容产生分歧。”他说。“算法可以提供更多的粒度和可重复性。”

通过改进诊断，AI工具有望使医生能够在疾病的最早阶段发现它们，此时它们更有可能对干预措施作出反应。在早期阶段发现癌症将有助于提高平均健康寿命，因为随着年龄的增长，风险会急剧上升——根据美国癌症协会的数据，90%的癌症病例是在50岁以上的人群中诊断出来的。

不仅仅是组织诊断的难度为AI改进打开了大门。还有一个问题是病理学家短缺——在美国工作的15,000名病理学家远远不足以确保所有组织活检都能得到快速、彻底的处理。与此同时，随着人口平均年龄的增加，人们活得更久，更多的癌症筛查发现了更多的病例，需求也在扩大。

加剧这一问题的是，完整的癌症诊断现在需要对样本进行更仔细的检查，因为同一种癌症类型的肿瘤细胞之间的细微差异会影响治疗选择。“随着更多治疗选择的出现，病理学家需要尽可能具有预测性，以提供个性化的治疗。”贝克说。

医生机器人将为您诊治

22岁时，苏珊·科诺弗发现了一个看起来令人担忧的痣，并决定去检查一下。她的全科医生告诉她，通常会把她转介给皮肤科医生，这个过程会延迟三个月才能切除和活检。“但我们没有时间浪费。”他告诉她。

相反，她的全科医生做了活检。结果是黑色素瘤。“如果我等到了皮肤科医生那里，”她说，“我可能就不会在这里了。”

科诺弗的故事有一个圆满的结局——癌症没有扩散。但并不是每个人都有这么幸运。在美国，每四个人中就有一人受到皮肤病的影响，而训练有素的专科医生却供不应求。2018年的一项调查显示，在拥有先进医院的波士顿，患者平均要等待52天才能进行初次咨询，而要看专科医生则需要等待四到九个月。

她这次可怕的经历促使科诺弗采取行动。2017年，她成立了一家名为Piction Health的公司，开发了一款移动应用程序，帮助全科医生通过图像识别黑色素瘤。

然后疫情爆发，远程医疗兴起。超过96%的皮肤科医生在疫情期间提供了远程医疗服务。同时，人工智能模型在从图像中诊断痣和皮疹方面变得越来越好。在2017年的一项研究中，研究人员表明，AI模型可以从图像中识别皮肤癌，其准确度与董事会认证的皮肤科医生相当。在2020年由谷歌健康领导的一项研究中，AI的表现与专家相当，优于全科医生和护士在识别常见病症方面的表现。

Piction部分改变了方向，以利用这些趋势。它开发了一个AI模型，并在来自20个国家的200多名皮肤科医生提供的750,000张图像上进行了训练——包括玻利维亚、南非、印度、突尼斯和一些欧洲国家——以确保涵盖各种肤色。在初步分析中，针对谷歌健康研究中使用的26种常见皮肤病，Piction的AI模型“生成的前五个条件列表与皮肤科医生的准确度相同。”联合创始人兼首席技术官普拉纳夫·库贝尔说。该公司声称，其AI模型使医生的识别和治疗更快、更容易。其早期数据显示，尚未发表的研究表明，它可以将医生的评估时间从15分钟减少到3分钟。

2022年12月，Piction开设了自己的在线诊所。患者向Piction的皮肤科医生提交照片，后者使用该公司的AI模型生成一个潜在诊断的简短列表，并识别出像年轻的科诺弗这样的患者，他们应该被优先安排在合作诊所进行面对面检查，由专家进行诊断并制定治疗计划。库贝尔说，目标是让患者“在两到三周内就能看诊，而不是等待数月”。

截至2024年10月，已有3,000名患者使用了Piction的诊所服务。目前，该服务已在康涅狄格州、佛罗里达州、马萨诸塞州、新罕布什尔州和华盛顿州提供。该服务被几家主要保险公司覆盖，或者患者可以自费119美元进行每次咨询。

斯坦福大学数字健康中心主任、皮肤病学和流行病学教授埃莱尼·利诺斯表示：“我对这项技术如何帮助患者获得最佳护理感到非常乐观，同时也帮助了医生。”

(全文结束)